Pointer Sentinel-LSTM (medium)

Pesos cerrados MetaMind Inc,Salesforce 21M Parámetros September 2016

Sin estimación

No hay requisitos de hardware para este modelo

Los pesos de este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en su propio hardware en ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica lo cambia.

En registro

Especificación completa

Todo lo registrado para este modelo. La mayoría de ello describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se dedicó a ello y cómo se compara con modelos construidos a una escala diferente.

Origen

¿Quién construyó este modelo, dónde y cuándo fue publicado?

Organización
MetaMind Inc,Salesforce
Tipo de organización
Industry,Industry
País
United States of America
Publicado
26 September 2016
Autores
Stephen Merity, Caiming Xiong, James Bradbury, Richard Socher

Lo que hace

Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.

Dominio
Language
Tarea
Language modeling

Tamaño

Qué tan grande es el modelo y cuántos datos se utilizaron para entrenarlo. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.

Parámetros
21M
Datos de entrenamiento
929,000 tokens

"We also halve the learning rate when validation perplexity is worse than the previous iteration, stopping training when validation perplexity fails to improve for three epochs or when 64 epochs are reached"

Épocas
64

Entrenamiento de computación

La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de cuán rápido responde el modelo terminado.

Entrenamiento de computación
7.5 × 10¹⁵ FLOP

6 FLOP / parameter / token * 21000000 parameters * 929000 tokens * 64 epochs = 7.491456e+15 FLOP

Cómo se estableció
Operation counting

Disponibilidad

Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo cual es lo que decide si alguna de las cifras de la tarjeta gráfica en esta página aplica.

Pesos
Closed — provider access only
Acceso al modelo
Unreleased
Código de entrenamiento
Unreleased

Cómo se clasifica

Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.

Por qué se rastrea
Highly cited,SOTA improvement

"Our pointer sentinel-LSTM model achieves state of the art language modeling performance on the Penn Treebank (70.9 perplexity) while using far fewer parameters than a standard softmax LSTM"

Registrar confianza
Confident
Citas
4,010
Benchmark data
Pointer Sentinel-LSTM (medium)

Fuentes

De dónde proviene este registro y cuándo fue revisado por última vez.

Referencia
Pointer Sentinel Mixture Models
Última actualización
25 May 2026

Qué significan los números

Qué es este modelo

Pointer Sentinel-LSTM (medium) was published by MetaMind Inc,Salesforce, in United States of America, in September 2016. It comes out of industry,Industry.

It works in Language, and is recorded as doing language modeling.

Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en otro lugar de este sitio se aplica a él.

Qué se utilizó para construirlo

Training it took roughly 7.5 × 10¹⁵ FLOP of computation — a measure of what producing the model cost, not of how fast it answers.

The training set ran to roughly 929,000 tokens.

It is tracked in the underlying dataset for one reason in particular: highly cited,SOTA improvement.

Respuestas

Pointer Sentinel-LSTM (medium) — Preguntas frecuentes

01

What GPU do I need to run Pointer Sentinel-LSTM (medium)?

None. Pointer Sentinel-LSTM (medium) is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.

02

Is Pointer Sentinel-LSTM (medium) open source?

No. Pointer Sentinel-LSTM (medium) has not had its weights published, so it exists only as a service controlled by its owner.

03

How many parameters does Pointer Sentinel-LSTM (medium) have?

Pointer Sentinel-LSTM (medium) has 21M parameters. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.

04

Who created Pointer Sentinel-LSTM (medium)?

Pointer Sentinel-LSTM (medium) was published by MetaMind Inc,Salesforce, based in United States of America, categorised as industry,Industry.

05

When was Pointer Sentinel-LSTM (medium) released?

Pointer Sentinel-LSTM (medium) was published in September 2016. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.

06

What is Pointer Sentinel-LSTM (medium) used for?

Pointer Sentinel-LSTM (medium) works in Language, and is recorded as handling language modeling. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.

07

How much compute was used to train Pointer Sentinel-LSTM (medium)?

Around 7.5 × 10¹⁵ FLOP. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.

Fuente

Publicación original

Registro de la última actualización 25 May 2026

La otra dirección

¿Mirándolo desde el otro lado?

Esta página comienza desde el modelo. Si ya posee una tarjeta y desea saber todo lo que podrá ejecutar, empiece por el hardware en su lugar.